[ML_week1_chap10] 시각화

<파이썬 머신러닝 완벽가이드 chap 10 - 시각화 >

 

<맷플롯립의 pyplot 모듈의 이해> 

 

In [17]:

import matplotlib.pyplot as plt

# x축 y축 직선그래프
plt.figure(figsize=(2,2) , facecolor='yellow')
plt.plot([1,2,3],[2,4,6])  # pyplot 모듈의 plot() 사용
plt.title("Hello plot")

# pyplot의 두가지 중요 요소 : Figure , Axes 
# pyplot에서 Figure와 Axes 객체를 가져올 때 : plt.subplots() 이용 
fig ,ax = plt.subplots(figsize=(2,2))
ax.plot([1,2,3],[2,4,6]) # Axes 객체로 plot 
ax.set_title('Hellot plot')
plt.show()

 

Figure : 크기 조절 , 플롯을 화면에 최종적으로

Axes : 그림 그리는 메서드 , + x축 , y축, 타이틀 

 

 

In [18]:

# 여러 개의 plot 을 가지는 subplot 생성 
# 1개의 figure와 여러개의 Axes 생성 가능 
fig,(ax1,ax2) = plt.subplots(nrows=1,ncols=2,figsize=(1,0.5))

 

 

 

In [19]:

plt.figure(figsize=(2,2))
plt.plot([1,2,3],[2,4,6],color='red',marker='o',linestyle='dashed',linewidth=2,markersize=10)
plt.xlabel('x axis')
plt.ylabel('y axis')

# 눈금 값 회전
plt.xticks(rotation=90)
plt.show()

 

 

 

In [20]:

pylpot 의 plot() 함수는 선 그래프를 그릴 때 활용 : x좌표 y좌표 값으로 리스트 , ndarray ,DataFrame 등 모두 활용가능 

import numpy as np
plt.figure(figsize=(4, 3))
x_val = np.arange(0,100)
y_val = 2*x_val
y_val2= 4*x_val
plt.plot(x_val,y_val,color='green',label='green line')
plt.plot(x_val,y_val2,color='red',label='red line')
plt.legend() #범례

 

Out[20]:

<matplotlib.legend.Legend at 0x1dbc7c51950>

 

 

In [21]:

x_val = np.arange(1, 6)
y_val = x_val * 2
y_value_01 = x_val * 1.5

# 1. Figure와 Axes 객체 생성
plt.figure(figsize=(4, 3))
ax = plt.axes()

# 2. 선 그래프와 막대 그래프 그리기
ax.plot(x_val, y_val, color='red', marker='o', linestyle='dashed', label='red line')
ax.bar(x_val, y_value_01, color='green', alpha=0.5, label='bar plot') # alpha는 투명도

# 3. 설정 (set_ 함수들 사용) vs plt.xlabe()
ax.set_xlabel('x axis')
ax.set_ylabel('y axis')
ax.set_title('Hello plot')

# 4. 범례 표시
ax.legend()
# 5. 출력
plt.show()

 

 

 

In [22]:

fig , ax = plt.subplots(nrows=1,ncols=2,figsize=(6,3))
ax[0].plot(np.arange(1,10),2*np.arange(1,10),color='red',marker='o',label='red line')
ax[1].bar(np.arange(1,20),2*np.arange(1,20),color='green',label='bar plot')
ax[0].set_xlabel('ax[0] x asix')
ax[0].legend()
ax[1].legend()
ax[0].set_title('Hello line')

 

Out[22]:

Text(0.5, 1.0, 'Hello line')

 

 

<seaborn>

:  matplotlib 기반 통계 시각화 라이브러리 

ex ) 히스토그램 , 바 플롯 , 박스 플롯 , 바이올리 플롯 , 산점도 등등 

 

In [27]:

# Seaborn 
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
titanic_df=pd.read_csv('train.csv')

 

In [28]:

# 1 ) [ 히스토그램 ] : X : 연속형 값의 구간 y : 해당 구간의 도수 건수 

# histplot() Axes 레벨
# displot() figure 레벨 , 크기는 displot에서 해야함 
# ex ) sns.displot(titanic_df['Age'],kde=True,height-4,aspect=2)

plt.figure(figsize=(4,4))
sns.histplot(titanic_df['Age'],bins=20) # 구간개수 
plt.show()

 

 

 

In [29]:

plt.figure(figsize=(4,4))
sns.histplot(x='Age', data = titanic_df,bins=30,kde=True)
# kde = True : 연속 확률 분포 곡선 

 

Out[29]:

<Axes: xlabel='Age', ylabel='Count'>

 

 

In [33]:

#2 카운트 플롯 : 이산형 값을 막대그래프로 countplot() 
plt.figure(figsize=(2,2))
sns.countplot(x='Pclass' , data = titanic_df)

 

Out[33]:

<Axes: xlabel='Pclass', ylabel='count'>

 

 

In [34]:

#3. 바 플롯 2차원 나타냄 (축 1: 이산 / 축2 : 연속 - 평균,총합,중앙) 
# x 축 값이 이산형 값으로 종류가 많지 X 때 사용 
# 숫자로 표현 , string X

plt.figure(figsize=(2,2))
sns.barplot(x='Pclass',y='Age', data = titanic_df)
# 수직 -> y가 연속값 수평 -> x가 연속값으로

 

Out[34]:

<Axes: xlabel='Pclass', ylabel='Age'>

 

 

In [36]:

plt.figure(figsize=(2,2))
#esimator 로 총합으로 설정 
sns.barplot(x='Pclass',y='Survived',data=titanic_df ,ci=None,estimator=sum)

 

 

Out[36]:

<Axes: xlabel='Pclass', ylabel='Survived'>

 

 

In [38]:

 # hue 인자 : 추가정보
plt.figure(figsize=(4,4))
sns.barplot(x='Pclass',y='Survived',hue='Sex',data=titanic_df)

 

Out[38]:

<Axes: xlabel='Pclass', ylabel='Survived'>

 

 

In [40]:

#3) 박스 플롯  - x or y 에 연속형 값 입력
plt.figure(figsize=(2,2))
sns.boxplot(x='Pclass',y='Age',hue='Sex',data=titanic_df)

 

Out[40]:

<Axes: xlabel='Pclass', ylabel='Age'>

 

 

In [41]:

#4) 바이올린 플롯 - 연속형 값 (히스토그램의 연속확률 분포곡선 + 박스플롯 ) 
plt.figure(figsize=(2,2))
sns.violinplot(x='Pclass',y='Age',hue='Sex',data=titanic_df)

 

Out[41]:

<Axes: xlabel='Pclass', ylabel='Age'>

 

 

In [55]:

cat_columns = ['Survived','Pclass','Sex']

#subplots 를 이용해 시본의 다양한 그래프 시각화 

fig,axs = plt.subplots(nrows=1,ncols=len(cat_columns),figsize=(7,3))
for index,column in enumerate(cat_columns):
    print('index: ',index)
    sns.countplot(x=column,data=titanic_df,ax=axs[index])

 

 

index:  0
index:  1
index:  2

 

 

In [56]:

cat_columns=['Pclass','Sex','Embarked']
# 3개의 Axes 생성해 axs 객체 변수에 할당 
# ax = 객체변수 주입 

fig,axs = plt.subplots(nrows=1,ncols=len(cat_columns),figsize=(7,3))
for index,column in enumerate(cat_columns):
    sns.barplot(x=column,y='Survived',data=titanic_df,ax=axs[index])

 

 

 

In [49]:

# 5 ) 산점도 둘다 연속적인 값이여야 의미  * style 제공 
plt.figure(figsize=(4,4))
sns.scatterplot(x='Age',y='Fare',hue='Survived',style='Sex',data=titanic_df)

 

Out[49]:

<Axes: xlabel='Age', ylabel='Fare'>

 

 

In [47]:

# 6) 상관히트맵
# numeric_only=True 옵션을 넣으면 문자열 컬럼을 알아서 제외
plt.figure(figsize=(4,4))
corr = titanic_df.corr(numeric_only=True)

# 그 다음 히트맵을 그리면 정상적으로 나옵니다.
sns.heatmap(corr, annot=True, fmt='.1f', cbar=True)

 

Out[47]:

<Axes: >